本文主要是介绍Mysql-索引，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

按存储方式分

1. B-树，B+树
2. 哈希索引
   Memory引擎默认索引时哈希索引

逻辑区分

1. 普通索引
2. 主键索引：mysql会自动为主键创建主键索引
3. 唯一索引：索引值必须唯一的普通索引
4. 全文索引
5. 空间索引：MyISAM引起支持，用于地理空间数据类型GEOMETRY，SPATIAL关键字

实际使用划分

1. 单例索引
2. 多列索引

Innodb的聚集索引和非聚集索引

1.聚集索引
索引键值和数据紧凑存储在一起，索引的逻辑顺序和数据的物理顺序一致。InnoDB中聚集索引叶子节点直接存储的是整条数据。
2. 非聚集索引
索引和数据不在一起，叶子节点保存的是当前索引键值和主键索引键值。
通过非聚集索引查询到主键之后，需要根据主键键值去扫描主键索引的B+树，这种操作叫做回表。

B-树和B+树区别

1. m阶B-树节点最多存储m-1个值，B+树可以存储m个值
2. B+树的非叶子节点不保存数据，只保存指针同样大小的节点可以保存更多的key，树就更矮IO次数更少。非叶子节点的key最后都会存在于叶子节点里，而且是叶子节点的最大值或最小值。
3. B+树因为最终的数据是保存在叶子节点里，所以IO次数是稳定的。
4. B+树的叶子节点构成一个有序链表。便于范围查找。

MyISAM引擎的索引

MyISAM引擎不支持事务，不支持外键，不支持行级锁，只支持表级锁。适用于读多写少的场景。记录行数不需要遍历全部行来统计行数。

MyISAM中叶子节点存储的是当前索引值和当前数据文件对应的磁盘地址。主键索引和非主键索引没有区别。

主键索引为什么速度快

因为主键索引不需要回表。只扫描一颗B+树

索引下推

5.6以前，存储引擎遍历索引后把数据返回给Server层，由Server层进行where条件计算。
5.6 开始，部分where条件可以通过索引中的列进行计算时，存储引擎会进行这部分where条件的计算，减少回表次数和返回给Server层的数据量。

多范围读

5.6以后，减少磁盘的随机IO访问，进可能的把随机访问转换为顺序访问。
缓存辅助索引键值，按照主键进行排序，然后按照主键顺序进行访问。

索引合并

5.0之后，表中建立了很多单例索引，查询时用了很多列，mysql能识别单列索引进行扫描，然后把结果合并。
or条件的并集 union ，and的交集。

MySQL如何选择索引

MySQL选择索引是根据开销来选择。

索引判断基数Cardinality

Cardinality：索引中唯一值的估计值，越接近行数，索引的选择性越高。

Cardinality是通过采样来实现计算的，并不是一个精确值，而是一个统计值。并不会实时更新，更新会带来一定开销。

Cardinality更新策略：

1. 表中1/M的数据发生变化，1/16
2. 数据变化次数超过一定值，少量行频繁更新的情况下。
   即发生变化的行数或次数达到一定值。

Cardinality计算方式

InnoDB默认对N个叶子节点进行抽样：

1. 获得叶子节点总是A
2. 随机获得N个叶子节点，统计每个叶子节点不同记录个数获得总数total
3. total ÷ N 得到平均每个叶子节点不同记录个数
4. total ÷ N × A
   即随机采样N个叶子节点，统计每个叶子节点唯一值个数，然后得到这N个叶子节点的唯一值平均值，然后用这个平均值乘叶子节点总数A。

离散度

即Cardinality与count(*)之比

可以强制使用某个索引force index
建议使用某个索引use index

最左匹配原则

1. 模糊查询
   like语句，对关键字从左到右进行匹配，如果第一个字符不确定则无法使用
2. 多列索引
   如a，b两列索引，条件只有b时失效。因为索引是按照先a有序再b有序存储的。

无法使用索引的情况

1. 在索引列上使用函数，加减乘除计算
2. 字符串不加引号
3. 使用 !, <>,not like, not in 反向查询

这篇关于Mysql-索引的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！